替代你的不是AI，而是比你更懂AI编程的人。黑马大咖老师手把手教你用ChatGPT写代码、改bug、做测试、搞项目，课程采用纯项目实战的模式——包含Java、前

*   第一章 ChatGPT如何为程序员赋能/

  *   课程安排/

    *   01.课程安排

  *   ChatGPT背景介绍/

    *   01.ChatGPT背景介绍

  *   ChatGPT在代码场景应用/

    *   01.ChatGPT在代码场景应用

  *   不同的岗位，如何使用ChatGPT/

    *   01.ChatGPT在岗位场景应用-Java开发工程师参考

    *   02.ChatGPT在岗位场景应用-前端开发工程师参考

    *   03.ChatGPT在岗位场景应用-大数据开发工程师参考

    *   04.ChatGPT在岗位场景应用-人工智能开发工程师参考

    *   05.ChatGPT在岗位场景应用-测试开发工程师参考

    *   06.总结和下一步安排

*   第二章 ChatGPT全栈实战开发/

  *   【Java项目】基于ChatGPT的瑞吉外卖系统开发/

    *   01.ChatGPT在Java中的应用

    *   02.多轮对话和编写文档

    *   03.项目介绍和环境搭建

    *   04.设计数据表

    *   05.登录功能开发 第二次

    *   06.登录拦截

    *   07.登出

    *   08.设计员工表

    *   09.新增员工

    *   10.利用AOP实现时间字段自动填充

    *   11.全局异常处理类0628

    *   12.查询员工

    *   13.购物车

    *   14.bito的基本用法

    *   15.利用bito阅读代码

    *   16.利用bito代码重构

    *   17.利用bito加注释和清理调试代码

    *   18.利用bito单元测试

  *   【前端项目】基于ChatGPT的面经H5项目开发/

    *   01.项目介绍

    *   02.项目搭建

    *   03.初始化配置

    *   04.注册

    *   05.登录

    *   06.首页布局

    *   07.面经页面布局

    *   08.面经列表

    *   09.收藏

    *   10.我的

  *   【大数据项目】基于ChatGPT的出行大数据平台项目/

    *   01.项目目录及学习目标

    *   02.项目介绍

    *   03.项目数据集介绍

    *   04.基于ChatGPT实现数仓构建

    *   05.基于ChatGPT实现数仓分析-ODS层构建

    *   06.基于ChatGPT实现数仓分析-DWD层构建

    *   07.基于ChatGPT实现数仓分析-DWD层构建-下

    *   08.基于ChatGPT实现数仓分析-DWM层构建

    *   09.基于ChatGPT实现数仓的分析-APP层构建-上

    *   10.基于ChatGPT实现数仓的分析-APP层构建-下

    *   11.基于ChatGPT及Sqoop实现数据导出-上

    *   12.基于ChatGPT及Sqoop实现数据导出-下

    *   13.FineBI实现数据的可视化

    *   14.项目总结

    *   15.项目开发环境说明

  *   【人工智能项目】基于ChatGPT的细粒度车型识别项目/

    *   01.导言

    *   02.项目介绍

    *   03.车型识别总流程

    *   04.数据集获取

    *   05.图像增强

    *   06.模型构建

    *   07.模型训练

    *   08.模型预测

    *   09.模型部署

    *   10.项目总结

  *   【测试项目】ChatGPT实现UI自动化测试/

    *   01.课程目标

    *   02.项目介绍

    *   03.UI自动化测试实现方案

    *   04.测试用例分析

    *   05.登录-页面对象封装

    *   06.登录-生成测试用例

    *   07.登录-运行调试脚本

    *   08.搜索商品-页面对象封装

    *   09.搜索商品-生成测试用例

    *   10.搜索商品-运行调试脚本

    *   11.加入购物车-页面对象封装

    *   12.加入购物车-生成测试用例

    *   13.加入购物车-运行调试脚本

    *   14.代码优化

*   第三章 拓展课程-ChatGPT模型基础知识/

  *   课程安排及NLP简介/

    *   01-总体课程安排

    *   02-今天的课程安排

    *   03-NLP概念和发展史

    *   04-NLP应用场景

  *   文本处理的基本方法/

    *   05-文本处理的主要环节

    *   06-jieba分词-概念-pip安装

    *   07-jieba分词-三种模式

    *   08-jieba分词-用户自定义词典-繁体

    *   09-命名实体识别和词性标注

  *   文本张量表示方法（一）/

    *   10-文本张量表示概念-onehot编码思路分析

    *   11-onehot编码生成

    *   12-onehot编码使用

    *   13-词向量定义-CBOW思想

    *   14-中午课程回顾

    *   15-词向量-cbow工作原理和课堂答疑

    *   16-词向量-onehot横着画和竖着画-拿词向量

    *   17-词向量-skipgram方式

  *   文本张量表示方法（二）/

    *   18-词向量训练保存加载

    *   19-查看词向量和词向量效果检验

    *   20-词向量训练-参数选择

    *   21-词向量训练-有监督和无监督

    *   22-nnembed词向量案例-案例展示

    *   23-nnembed词向量案例-思路分析

    *   24-nnembed词向量案例-实现和调试

    *   25-pycharm连接远程服务器-配置效果展示

    *   26-pycharm连接远程服务器-配置操作

  *   文本数据分析/

    *   02-数分-定义-数据集-标签分布-思路

    *   03-数分-标签分布-实现

    *   04-数分-句子长度分布-思路分析

    *   05-数分-句子长度分布-编码实现

    *   06-数分-正负样本散点图-思路和实现

    *   07-数分-统计单词个数

    *   08-跨目录cp文件和pycharm连接远程解释器

    *   08-数分-词云-思路分析

    *   09-数分-词云-代码串讲

    *   01-上一次课程复习

  *   文本特征处理/

    *   10-特征处理-n-gram特征

    *   11-特征处理-文本长度处理

    *   12-中午课程回顾

    *   13-文本数据增强

    *   14-文本预处理5个环节-小结

  *   RNN基础模型/

    *   15-RNN看山

    *   16-RNN定义和作用

    *   17-RNN模型的分类

    *   18-RNN内部结构分析

    *   19-RNNapi-主导参数和辅助参数

    *   20-RNNapi-4个主导参数-关系实验

    *   21-RNNapi-隐藏层参数

    *   22-RNNapi-所有时间步共享隐藏层矩阵参数

    *   23-RNN模型的优缺点

  *   LSTM基础/

    *   24-1-LSTM内部结构-3个门-细胞状态

    *   24-2小结

    *   25-LSTMapi介绍

    *   01-上一次课程复习

  *   GRU基础/

    *   02-gru内部结构

    *   03-gruApi

    *   04-rnn-lstm-gru内部权重参数矩阵多少分析

    *   05-batch-first属性只对input和output有影响

    *   06-rnn-一个字符一个字符和批次送数据

  *   人名分类器案例（一）/

    *   07-人名分类器案例-目标-案例介绍-数据

    *   08-人名分类器案例-字母张量化思路分析

    *   09-数据处理-读数据

    *   10-数据处理-数据源dataset-思路分析

    *   11-数据处理-数据源dataset-编码实现

    *   12-数据处理-数据源dataset-调试

    *   13-中午课程回顾

  *   人名分类器案例（二）/

    *   14-rnn模型-实现思路分析

    *   15-rnn模型-编码实现

    *   16-rnn模型-编码测试和调试

    *   17-lstm模型-编码和测试

    *   18-gru模型-编码和测试

    *   19-rnn模型训练-实现思路分析

    *   20-rnn模型训练-编码

    *   21-rnn模型训练-测试和调试

    *   22-lstm模型训练-编码和测试

    *   23-gru模型训练-编码和测试

    *   24-模型训练制图

    *   01-上一次课程复习

  *   人名分类器案例（三）/

    *   02-搭建知识体系不是一件轻松的事情

    *   03-模型训练-对比实验效果分析

    *   04-模型预测-rnn思路分析

    *   05-模型预测-rnn预测实现

    *   06-模型预测-gru和lstm预测实现

    *   07-模型预测-综合调用

    *   08-服务器模型训练-session问题

    *   09-服务器模型训练-脱离session转后台进程

    *   10-服务器模型训练-启动了多个后台进程错误

    *   11-gpu模型训练-cuda和device概念

    *   12-gpu模型训练-微调rnn和数据

    *   13-gpu模型训练-rnn模型预测微调

    *   14-gpu模型训练-思考与提高

    *   15-中午课程回顾

  *   注意力机制/

    *   16-注意力的概念和为什么需要注意力机制

    *   17-生活中的qkv和神经网络模拟生活中的qkv

    *   18-seq2seq架构中qkv-seq2seq工作原理

    *   19-seq2seq架构中qkv-分布代表什么

    *   20-seq2seq架构中qkv-做了什么

    *   21-注意力机制只是一个小的策略-站在神经网络三要素高度去理解

    *   22-课堂答疑

    *   23-注意力计算规则-作用-分类

    *   24-注意力机制-思路分析

    *   25-注意力机制-编码实现

    *   26-注意力机制-调试

    *   27-注意力机制-单词个数改变-权重分布调试实验

    *   01-上一次课程复习-注意力机制

    *   02-作业点评

  *   英译法任务（一）/

    *   03-seq2seq案例-架构和数据集

    *   04-seq2seq案例-需求分析和任务识别

    *   05-课堂答疑为什么选用nnembedding

    *   06-seq2seq案例-总体步骤和导包

    *   07-数据处理-思路分析

    *   08-数据处理-文本清洗

    *   09-数据处理-构建英文法文字典

    *   10-数据处理-dataset类构建思路分析

    *   11-数据处理-dataset类编码实现

    *   12-数据处理-dataset类测试和调试

    *   13-课堂答疑-有关batchsize

    *   14-编码器-思路分析

    *   15-编码器-编码实现

    *   16-编码器-测试和调试

    *   17-中午课程回顾

  *   英译法任务（二）/

    *   18-解码器-实现思路分析

    *   19-解码器-编码实现

    *   20-解码器-调试和测试

    *   21-attention解码器-实现思路分析

    *   22-attention解码器-编码实现

    *   23-attention解码器-测试和调试

    *   24-训练函数主业务-思路分析

    *   25-训练函数主业务-编写实现

    *   26-内部训练函数-思路分析

    *   27-内部训练函数-编码和调试

  *   英译法任务（三）/

    *   01-训练函数流程复习和确认

    *   02-注意力机制流程复习和确认

    *   03-注意力机制数据形状变化剖析【重要】

    *   04-模型训练-teacher-forcing概念

    *   05-模型训练-teachr-forcing实现和调试

    *   06-注意力机制-bmm运算意义解读【重要】

    *   07-模型评估-串讲

    *   08-中午课程回顾

    *   09-注意力机制权重分布制图

  *   注意力机制扩展阅读/

    *   10-注意力机制的拓展阅读

    *   11-gpu设备上训练模型

  *   Transformer结构/

    *   12-transformer背景介绍

    *   13-transformer结构-4个部分

    *   14-transformer结构-编码解码子层

    *   15-transformer结构-编码器层和解码器层是如何连接的

    *   16-课堂答疑

    *   01-上一次课程复习

    *   02-上一次课程复习-tranformer组成部分

  *   输入部分/

    *   03-总体实现的要求和说明

    *   04-输入-词嵌入层-思路分析

    *   05-输入-词嵌入层-编码实现和调试

    *   06-输入-添加位置信息-思想分析

    *   07-课堂答疑-不同批次添加位置信息

    *   08-课堂答疑-深度学习提取事物特征和机器学习不同之处

    *   09-输入-添加位置信息-代码分析

    *   10-输入-添加位置信息-编码实现

    *   11-输入-添加位置信息-测试和调试

    *   12-输入-绘制偶数奇数特征曲线

    *   13-中午课程回顾

  *   自注意力机制/

    *   14-掩码张量-上下三角矩阵

    *   15-1自注意力机制-现实意义

    *   15-2自注意力机制-现实意义-小结

    *   16-自注意力机制-编码思路分析

    *   17-自注意力机制-编码实现析

    *   18-自注意力机制-调试

    *   19-自注意力机制-权重分布矩阵的练习

  *   多头注意力机制/

    *   20-多头注意力机制-概念作用和流程

    *   21-多头注意力机制-数据形状变化分析【重要】

    *   22-多头注意力机制-代码分析

    *   23-课堂答疑-view和reshpe

    *   01-上一次课程复习

    *   02-多头注意力机制-复习

    *   03-多头注意力机制-代码分析

    *   04-多头注意力机制-编码实现

    *   05-多头注意力机制-测试和调试

    *   06-课堂答疑-多头注意机制

    *   07-transpose和view函数

  *   编码器部分/

    *   08-前馈全连接层-思路分析和代码实现

    *   09- 规范化层-实现思路分析

    *   10- 规范化层-编码实现

    *   11- 规范化层-测试和调试

    *   12-子层连接结构-实现思路分析

    *   13-子层连接结构-编码实现

    *   14-子层连接结构-测试和调试

    *   15-中午课程回顾

    *   16-编码器层-思路分析

    *   17-编码器层-编码实现

    *   18-编码器层-测试和调试

    *   19-编码器部分-思路分析

    *   20-编码器部分-编码实现和调试

    *   21-编码器部分-注意单独copyatten对象和ff对象

  *   解码器部分/

    *   22-解码器层-思路分析

    *   23-解码器层-编码实现

    *   24-解码器层-测试和调试

    *   25-mask的两个作用-防止信息泄露-处理pad数据

    *   26-解码器部分-思路分析和编码实现和调试

    *   01-上一次课程复习-上

    *   02-上一次课程复习-下

    *   03-输出部分-思路分析代码实现和调试

  *   模型构建/

    *   04-模型构建-总体流程梳理

    *   05-模型构建-总体业务流程-编码实现

    *   06-模型构建-编码解码内部函数-编码实现

    *   07-模型构建-测试和调试

    *   08-transformer论文复现-复盘

    *   09-上午课程回顾

  *   fasttext工具介绍/

    *   11-fasttext-作用-速度快-层次softmax-ngram特征

    *   12-面试题hssoftmax为什么要比普通softmax要速度快

    *   13-fasttext-安装

    *   14-分类概念-fasttext数据格式-数据集划分

    *   15-fasttext分类基本api函数使用

    *   16-fasttext模型调优-数据调优

    *   17-fasttext模型调优-轮次-学习率-2gram-hs

    *   18-fasttext模型自动超参数调优

    *   01-上一次课程复习

    *   02-fasttext多标签多分类api

    *   03-fasttext训练词向量-复习

  *   NLP中的标准数据集/

    *   04-词向量迁移

    *   05-迁移学习概念

    *   06-glue数据集概念

    *   07-glue标准数据集-前三种

    *   08-glue标准数据集-中间三种

    *   09-glue标准数据集-后三种

    *   10-clue标准数据集介绍

    *   11-中午课程回顾

  *   transformers库使用（一）/

    *   12-预训练模型分类和大小

    *   13-transformers开源社区和库介绍

    *   14-transformers三层架构

    *   15-transformers库的安装

    *   16-pipeline方式-官网模型下载

    *   17-pipeline-文本分类

    *   18-pipeline-特征抽取-思路分析

    *   19-pipeline-特征抽取-api调用

    *   20-pipeline-完型填空

    *   21-pipeline-阅读理解任务

    *   22-pipeline-文本摘要

    *   01-提高职业素养

    *   02-上一次课程复习上

    *   03-上一次课程复习下

  *   transformers库使用（二）/

    *   04-automodel-文本分类思路分析

    *   05-automodel-文本分类编码实现

    *   06-automodel-分词器编码-指定数据格式

    *   07-课堂答疑-有关eval和nograd区别和联系

    *   08-automodel-特征提取-思路分析

    *   09-automodel-特征提取-实现和调试

    *   10-课堂答疑-多句话使用bath_encode_plus

    *   11-automodel-完型填空-思路分析

    *   12-automodel-完型填空-编码实现

    *   13-automodel-阅读理解(抽取式问答)

    *   14-automodel-文本摘要

    *   15-automodel-ner任务

    *   16-中午课程回顾

    *   17-具体模型方式-完型填空

    *   18-课堂答疑-具体模型和automodel方式区别和联系

  *   迁移学习实践（一）/

    *   19-1-迁移学习中文数据和微调实现思路

    *   19-2-迁移学习中文数据和微调实现思路

    *   20-数据预处理-dataset

    *   21-数据预处理-dataloader二次处理回调函数-原因-data语法

    *   22-数据预处理-二次处理思路分析

    *   23-数据预处理-二次处理编码实现和调试

    *   24-课堂答疑-数据处理length属性和最大长度属性

    *   25-搭建模型-思路分析

    *   26-搭建模型-实现和调试

    *   27-模型训练-思路分析

    *   28-模型训练-编码

    *   29-模型训练-调试

    *   01-上一次课程复习

    *   02-上一次课程复习

  *   迁移学习实践（二）/

    *   03-中文分类-模型评估-串讲

    *   04-中文分类-任务识别和需求分析

    *   05-中文分类-数据处理思路分析

    *   06-中文分类-数据处理编码实现

    *   07-中文分类-数据处理测试和调试

    *   08-中文分类-模型构建

    *   09-中文分类-模型训练-代码移植

    *   10-中文分类-模型评估-代码移植

    *   11-中午课程回顾

  *   迁移学习实践（三）/

    *   12-句子关系-任务介绍需求分析

    *   13-句子关系-数据处理-正负样本-文本数值化-思路分析

    *   14-句子关系-数据处理-正负样本-编码实现

    *   14-句子关系-数据处理-正负样本-调试

    *   15-句子关系-数据处理-回调函数文本数值化-编码和调试

    *   16-句子关系-模型构建

    *   17-句子关系-模型训练

    *   18-句子关系-模型评估

    *   19-文本预处理知识体系-复习

  *   迁移学习实践（四）/

    *   01-上一次课程复习

    *   02-微调脚本-概念和数据集

    *   03-微调脚本-训练过程演示

    *   04-微调脚本-模型的调用

    *   05-微调脚本-做实验的步骤

  *   bert模型/

    *   06-bert模型-简介

    *   07-bert模型-架构-对比

    *   08-bert模型-词向量层

    *   08-bert模型-特征抽取层和预微调层

    *   09-bert模型-为什么采用CLS特征作为整个句子的特征

    *   10-bert模型-mlm和nsp训练任务

  *   Transformer子模块/

    *   11-Transformer 各子模块作用

    *   12-中午课程回顾

    *   13-1Transformer Decoder模块

    *   13-3课堂答疑-有关sos+a+b去生成c

    *   13-2课堂答疑-有关1个字符1个字符的解码

  *   self attention机制详解/

    *   14-selfattention概念

    *   15-添加缩放系数-qk乘积在增大

    *   16-添加缩放系数-qk乘积方差增大d_k倍

    *   18-添加缩放系数-方差增加会造成最大值分量强占所有概率

    *   19添加缩放系数-均值和方差

    *   20-添加缩放系数-softmax函数求导

    *   21-添加缩放系数-XY运算方差增大d_k

    *   22-添加缩放系数-XY运算方差增大d_k2

  *   Transformer优势/

    *   23-rnn和注意力机制知识体系复习

    *   24-seq2seq案例-review代码

    *   01-上一次课程复习

    *   02-transformer优势

  *   bert及elmo模型/

    *   03-bert模型的特点

    *   04-elmo简介和架构

    *   05-bert模型动态词向量实验

    *   06-bert模型静态词向量实验

    *   07-elmo模型-训练

    *   08-elmo模型-效果和待改进点

    *   09-中午课程复习

  *   gpt模型/

    *   10-gpt模型-简介和架构

    *   11-gpt模型-二阶段训练

    *   12-gpt模型-工作流程

    *   13-gpt模型-工作流程

    *   14-三大模型优点和缺点

*   第四章 拓展课程-基于GPT2大模型开发和应用/

  *   课程背景介绍/

    *   01-ChatGPT介绍

    *   02-ChatGPT背景介绍

    *   03-ChatGPT注册mp4

    *   04-python调用Chatgpt

    *   05-ChatGPT应用场景

    *   06--ChatGPT模型本质

  *   ChatGPT发展历程及原理/

    *   07--Ngram语言模型

    *   08--神经网络语言模型

    *   09--GPT1模型训练过程

    *   10--GPT1模型特点与总结

    *   11-GPT2模型介绍

    *   12--GPT3模型

    *   13--ChatGPT介绍

    *   14--ChatGPT原理

    *   15--今日课程总结

  *   聊天机器人项目介绍及数据处理/

    *   01--聊天机器人项目背景

    *   02--聊天机器人的项目架构

    *   03--数据格式转换

    *   04--数据格式处理

    *   05--数据迭代器构建

  *   聊天机器人项目代码介绍/

    *   06--模型结构介绍

    *   07--main函数介绍1

    *   08--训练函数解析

    *   09--计算准确率函数解析

    *   10--训练函数讲解

    *   11--人机交互

*   第五章 赠送课程内容/

  *   ChatGPT原理篇/

    *   01.ChatGPT入门

    *   02.ChatGPT原理

    *   03.基于ChatGPT人名分类案例

    *   04.聊天机器人初探

    *   05.闲聊机器人实现

  *   ChatGPT百宝箱/

    *   01.ChatGPT百宝箱